O Potok converte áudio em mandarim em texto por meio de um bot do Telegram. Testes publicados por terceiros no large-v3, não medições nossas, indicam uma taxa de erro por caractere de 7.8, abaixo dos 14.7 do modelo anterior large-v2. O chinês não tem espaços, então os erros são contados por caractere. Arquivos de até 2 GB são aceitos.
Transcreva uma gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram
Arquivos de até 2 GB · exportação em TXT, MD, DOCX, PDF, SRT e VTT · identificação de falantes e marcação de tempo · cerca de 30 idiomas
Pontos principais
- A taxa de erro por caractere conta os caracteres errados em relação a um texto de referência correto, então quanto menor, melhor.
- O modelo anterior large-v2 teve 14.7 em um teste publicado do mesmo tipo.
- O chinês é escrito sem espaços, então a medida conta caracteres, não palavras.
- O cantonês é uma língua falada à parte e tem página própria neste site.
Como é uma transcrição
[00:00] Falante 1: 我们开始开会吧。首先回顾上周的结果，然后规划下一步。Significado em português: Let's start the meeting. First, we'll review last week's results, then plan the next steps.
Escrita por nós para mostrar a escrita e o formato de uma transcrição. Não é o resultado do mecanismo de reconhecimento.
Qualidade publicada
| Idioma | Avaliação | Resultado publicado | Observações |
|---|---|---|---|
| Chinês (mandarim) (中文（普通话）) | Recomendado | taxa de erro de caracteres 7.8% (large-v3, FLEURS) Whale paper, Whisper paper | Testes publicados mostram uma taxa de erro baixa neste idioma. |
Estes números vêm de testes publicados por outras pessoas, não de testes do Potok. Seu próprio áudio, com ruído, sotaques e microfone, pode dar resultados diferentes.
Como fazer
- Confirme que o idioma é mandarim. Se os falantes passarem para o cantonês ou para um dialeto regional forte, o resultado cai. Divida o arquivo onde o idioma muda.
- Abra o bot. Abra o @potok_now_bot no Telegram.
- Envie o arquivo. Áudio, vídeo, mensagem de voz ou link do YouTube funcionam, até 2 GB. Use o botão Upload para os grandes.
- Revise os caracteres de som parecido. Caracteres diferentes podem ter a mesma pronúncia. Leia o resultado com o áudio e corrija sobretudo os nomes.
- Exporte. Escolha DOCX ou TXT para editar e SRT para legendas.
| Recurso | Detalhes |
|---|---|
| Onde funciona | Bot do Telegram @potok_now_bot; arquivos grandes passam pelo mini app do bot |
| Tamanho do arquivo | Até 2 GB |
| Exportação | TXT, MD, DOCX, PDF, SRT, VTT |
| Falantes e tempo | É possível ativar a identificação de falantes e a marcação de tempo |
| Idiomas | Cerca de 30 idiomas com bons resultados publicados; mais alguns com ressalvas |
| Tradução | A transcrição não é traduzida para outro idioma |
| Ditado | Um app de computador Potok separado permite ditar texto em qualquer programa; ele reconhece fala em russo |
Erros comuns
| Erro | O que acontece | Solução |
|---|---|---|
| Misturar mandarim e cantonês em um arquivo | O reconhecedor segue um idioma e a outra metade piora. | Corte o arquivo onde o idioma muda. |
| Contar palavras para medir a qualidade | Um texto sem espaços não se divide em palavras. | Compare caracteres, como faz o número publicado. |
| Confiar nos nomes | Um nome pode ser escrito com outro caractere de som parecido. | Confira os nomes em uma fonte escrita. |
| Citar 14.7 como o resultado atual | Esse número pertence ao modelo anterior large-v2. | Use o número do large-v3, 7.8, e cite o modelo. |
Mais
Veja a lista completa de idiomas, as ferramentas e o glossário.
Perguntas frequentes
Quão boa é a transcrição em mandarim?
A taxa de erro por caractere publicada é de 7.8 no large-v3, o que está no grupo bom, mas nomes e palavras raras ainda precisam de conferência.
Por que se usa taxa de erro por caractere?
O chinês é escrito sem espaços, então a medida comum conta caracteres em vez de palavras.
O número do large-v2 ainda é relevante?
Era de 14.7, então o modelo mais novo lê melhor nesses testes publicados.
Posso enviar um vídeo?
Sim. Arquivos de vídeo e links do YouTube são aceitos dentro do limite de 2 GB.
Ele escreve em caracteres tradicionais ou simplificados?
Os testes publicados não dizem, então confira uma amostra para ver se vem na forma que você precisa.
Fontes
Cada fonte foi aberta manualmente na data indicada. As páginas mudam, então abra a fonte se algum detalhe for importante para você.
- Word error rate (Wikipedia), Wikipedia · verificado em
- Whisper speech recognition system (Wikipedia), Wikipedia · verificado em
- Whale paper, Table 5 (Whisper large-v3 on FLEURS) · verificado em
- Whisper paper, Table 13 (large-v2 on FLEURS) · verificado em
Teste com a sua própria gravação
Envie sua mensagem de voz, áudio ou vídeo para @potok_now_bot no Telegram e o texto volta para o chat.
Abrir @potok_now_bot no Telegram